摘 要： 大数据技术革命取得了显着的经济价值和治理效果，也引发了深刻的社会公平困境。大数据具有社会属性和计算属性，二者交织构造出不同的大数据伦理维度。当前的大数据伦理研究侧重隐私保护、数据安全、减少算法歧视等最低限度的伦理维度，却忽视了推动社会发展的更高伦理诉求，导致了区域和群体间的数字技术、资源和机会的分配不均。同时，大数据系统中数据生成、采集、分析、应用等各个环节叠加所引发的认知不足和利益关系失调问题，加剧了社会系统的歧视与不公平。为了化解大数据技术与社会发展的错位与断裂的危机，必须推动均衡化的大数据基础设施建设，减少区域和群体间发展不平衡；并且构建具有责任性的数字化变革，加速社会融合、协同与创新发展。
关键词： 大数据系统; 社会属性; 计算属性; 大数据伦理; 社会公平; 责任性数字变革;
Abstract： The big data revolution has created remarkable economic value and governance impacts, but it also faces dilemma for social justice. The big data has social nature and computing nature, while they interweave to construct different ethical dimensions of big data. The current big data ethical research focuses on privacy protection, data security, reducing algorithm discrimination and other minimum ethical dimensions, but ignores the higher ethical demands to promote social development, resulting in the uneven distribution of digital technology, resources and opportunities between regions and groups. Meanwhile, big data systems, with a chain of flawed data generation, data sorting, data analysis to information dissemination, has automatically distorted social opinions and interests, which will further exacerbate the existing inequity and discrimination in social systems. In order to tackle the mismatch between big data and social development, there is a need to promote the balanced development of informational technical infrastructure to eliminate the digital gaps among social groups and geographies. It is equally important to leverage a responsible data revolution to spur social transformation in cooperation and innovations.
Keyword： big data system; social nature; computing nature; big data ethics; social equity; responsible data revolution;
引言
大数据技术的综合利用是治理现代化的重要体现，也引发了大数据利用过程的技术异化、数据权利、信息隐私、信息安全和数字鸿沟等伦理问题。大数据伦理是大数据技术在应用过程中的利益与道德的关系问题，是更好地推动技术革新的关键环节。现有的大数据伦理研究，主要从个体角度来分析数据权利、隐私、权限、安全与数字鸿沟等问题。它所提出的隐私保护、不损害他人合法权益的最低限度的伦理要求，体现了对技术性变革的风险防控和法律规制。然而，大数据技术不是通常所以为的纯粹工具性的,相反,它首先是人内在具有的创造性活动能力,是人呈现自身的方式,是人与世界打交道的方式,它内在地具有人的价值属性。1大数据技术的伦理要求，不仅要保证不损害个人权益的技术之善，也要注重群体价值和发展的社会之善。然而，目前的大数据技术缺乏主动推动社会发展的伦理意图，也忽视了其推动社会公平的能力。
随着技术治理的进程加快推进，如何在数字化变革中最大程度地实现社会公平，或者化解大数据时代的社会公平困境，成为考验政治家和管理者智慧的重大课题。本文从大数据系统与社会发展的关系角度，阐释大数据的生成、采集和分析的综合运作过程如何制造社会公平困境。大数据资源的综合利用，就是建立一个全面、开放、多元的数据系统，推动数据流、人流、资金流、社会关系等方面的有效运转，打破大数据开发利用的孤立格局，推动跨层级的发展与利用，以实现大数据高效、科学的应用。我国治理能力与治理体系现代化，也是社会治理伦理的发展。它对社会发展的要求，正从不违反法律和道德要求的旧阶段，转向具有责任感和公平性的高质量发展阶段。大数据时代需要以社会公平为价值取向，强化大数据技术的伦理维度。本文是对大数据背景下社会公平这一重要社会科学领域的反思，不仅关注大数据综合利用的经济视角，也关注大数据资源利用的伦理取向。
大数据与社会发展
（一）大数据的社会属性
大数据兼具社会属性和计算属性。其中，社会属性是指人利用大数据技术描述事物的能力，计算属性指的是大数据技术分析事物的能力（详见图1）。分析数据的社会属性，有助于我们全面理解数据所指代的社会现实及其内在构成。人是社会的产物，人的生产活动具有社会性，人的生活具有社会性。数字化生活延伸了人的社会属性，使得人所产生的数据也具有社会性。每个人并不是同等的数据生成者，人们产生数据的数量、质量、形式和地理区域具有显着区别。这些不同的方面，代表了数据的不同社会属性。例如，从地理区域看，可以分为拥有监控系统、物联网、交通系统等大量数据的智慧城市和信息化设施缺乏、数字经济发育迟缓的落后地区。在发达国家与发展中国家、中国的东中西部地区之间，呈现出独特的数据空间分布差异的特征。2在经济发达、信息科技优势明显的区域，生活与工作的数字化倾向已经愈发明显。人们通过网上办公、网上购物、网上订餐、网上购票和网上学习等来满足日常生活的需要，极大地增长了数据生成、收集、录入的速度、效率和规模。以大数据为依托的经济社会发展，扩大了发达地区与贫困地区在信息技术发展方面的认知壕沟。3不同的大数据依存模式，展现了地区的政治、社会、文化维度，也代表了数字化程度在地域间的本质性差异。
大数据的社会属性，不是数据本身的属性，而是数据所涉及的主体的特点，4包括主体的自身特点、社会关系和行为规律。例如，数字化的基础设施需要国家构建移动通信网络和固定通信网络，而经济基础、政治权力与公共政策是影响大数据资源与技术分配的关键。对大数据社会属性的关注，源于大数据技术发展过程的权力不对称，而权力必然是数据所涉及的主体之间的关系。数据主体理论关注大数据的社会属性，是批判性数据科学的重要组成部分。5如果缺乏对数据中主体的深刻描述，那么对数据科学所涉及的主体是有危害的，也会影响人们对数据科学领域的信任。目前大数据科学越来越关注其所涉及的主体，尤其关注大数据分析可以获得个体的敏感信息，从而引发的个体隐私保护的伦理问题。之前的伦理问题是，什么样的数据可以获取，如何获取，而不是数据获取之后该如何处理。有学者指出，将公众可以知晓的信息进行再次使用，数据信息整合之后会获得重要的个人信息，甚至产生我们没有预期到的新知识。如果对公众可以获得信息中隐藏的隐私信息不加保护，监管缺失将会直接损害公众的信任。例如，个人的缴纳税款信息，可以被用来生成一系列的社会关系和地域活动信息，而金融机构可以使用社会关系信息来评估个体信贷的可信度。而金融机构使用这些信息，极有可能导致对信贷搜寻者的歧视，而相关机构却不告知个体其隐私数据被使用，也不关心个体对数据使用的预期。由于国家法律的空白，各个社交网络平台并没有让使用者知道他们的日常数据可能被使用来确定他们的信贷。因此，大数据技术的应用受到国家法律原则和社会因素的共同影响。
图1 大数据的社会属性和计算属性
大数据的计算属性与社会属性相互影响。计算是人运用技术的能力，而社会经验和知识是编写技术程序的重要基础。数据计算体现了运用科学知识理解社会的复杂性，数据的计算属性有助于表征社会的复杂性，并且将复杂性进行数字化的呈现。6大数据的计算属性只有充分融入大数据的社会属性，才能深入挖掘数据的深层意蕴。大数据的计算属性与大数据的形式和质量密不可分。同时，影响大数据计算属性的数据形式和质量，受到经济和社会因素的共同影响。
（二）大数据技术与社会公平
社会公平体现了人与人之间的一种社会关系，包括个体公平与群体公平两个尺度。个体公平是指个体的权利和利益得到充分的尊重与保护；群体公平是指不同的性别、年龄、收入水平、地理区域等群体被对待的方式。社会公平的内涵受到社会发展阶段和价值观念的影响。大数据技术导致的社会公平具有双重性。一方面，技术是影响社会公平的主要因素。新技术产品的不断问世和应用，提高了人们学习与工作的效率，提高了人类适应自然环境的能力。但是，大数据引发的效率差异应该在多大程度上被认可，又应该如何推动个体与群体的权力与义务之间的平衡、个体利益与整体利益之间的均衡等，7都是尚未解决的问题。大数据技术增加了人与人之间的互动，使得社会交往变得快速多变，其结果是社会系统的结构和进化呈现出越来越复杂的趋势。这种复杂性的增加正是造成社会公平困境的主要原因之一。另一方面，大数据分析可以借助技术手段高效而便捷地记录和处理个体或群体的行为信息，为有效、客观地认识社会现象创造了条件和工具。例如，以大数据为基础的深度学习，可以通过模型构造理解社会复杂性，为实现社会公平提供新的方向与可能。换言之，大数据技术既给社会公平带来了挑战，又为社会公平提供了新机遇。
大数据技术与社会实践的互动，形成了大数据技术的不同伦理维度和价值关怀（详见表1）。大数据技术的伦理维度，表现为其对社会发展的作用从损害、不损害、维护到提升的演变过程。
表1 大数据技术的不同伦理维度和价值关怀
第一个维度，资本与技术以自我增值和自身发展为核心任务，为经济利润而不惜损害社会利益。受到“以商业利润为核心”的价值观的影响，大数据技术在社会运用的过程之中面临着信任与剥削的陷阱。人们创造和共享大数据是一种无防备的行为，而防备性的缺失和制约机制的缺乏使得个体成为被大数据剥削的对象。例如，本以为企业通过使用大数据可以更加了解消费者，从而为消费者提供更加精确化、定制化的产品和服务，有些企业却通过大数据摸清了消费者对产品和服务的价格承受力区间。大数据杀熟引发人们对企业大数据使用的信任危机，并且反思和批判大数据权力背后的贪欲。青少年缺乏辨识能力，在网络上购买游戏装备等，而一些商家正是利用青少年的弱势地位敛财，既影响了青少年身心健康，也扰乱了市场秩序。因此，大数据表现出破坏性，需要企业加强自律，也需要政府强化法律建设和顶层设计，未雨绸缪。
第二个维度，随着国家立法的不断完善，大数据技术受到法律约束，隐私保护、数据真实等成为最低限度的伦理要求。目前，各国在积极探索大数据隐私保护的相关法律，避免大数据技术对人的尊严和权利的肆意侵犯。例如，以大数据为基础的人脸识别技术在隐私权和生物特征信息保护方面存在着争议，欧美等发达国家越来越多地反对无差别和泛化使用该技术，非常审慎地寻求用户隐私、信息安全与未成年人保护之间的平衡。同时，数据真实是大数据治理的另一个重要方面。例如，面对目前的网络刷单和数据造假行为，我国开始根据数据量核定税收额，希望据此来遏制数据造假行为，维护网络空间的健康发展。
第三个维度，数字化时代下，数据已成为一个国家重要的生产要素和基础性战略资源，与经济社会各领域融合应用的成熟度和创新能力不断提升。国家作为公共利益的倡导者，积极推动大数据技术的开放共享与高效利用，以实现社会层面的大数据红利。随着我们进入信息社会，每个人都要与数据打交道，要么在生产数据，要么在接收数据。信息技术与经济社会的交汇融合，引发了数据迅猛增长。由于数据开放程度和整合程度不足，大量的数据处于“休眠”状态，海量的数据分散在各个部门、各个层级，彼此分割，形成一个个“信息孤岛”。大数据的高效利用，就是要打破信息壁垒和信息孤岛，将分散的、跨层级的、可用性低的数据资源进行整合，从而借助新一代的方法和工具，深入分析、挖掘和发现数据中隐藏的价值、规律和现象，使得无用、少用的数据资源变成有用、多用和社会共享的数据资产。开放和共享的大数据是一个重要的创新工具，也是大数据技术积极维护社会发展的重要体现。
第四个维度，大数据技术积极主动地推动社会发展，体现了“科技向善”的重大转变。大数据技术是一把双刃剑，在发展初始阶段的利益导向式发展，不仅严重损害了社会利益，也损害了大数据技术在社会发展中的合法性，遭到社会的抵制和广泛批评。美国斯坦福大学的社会创新发展中心首次提出了科技向善的理念，受到了学术界和产业界的广泛关注。腾讯将其使命愿景变为“用户为本，科技向善”，将创造弱势群体共享价值的企业社会责任融入产品与服务之中，并且发起慈善基金会及开发保护未成年人的“成长守护平台”等技术。尽管科技突破有助于解决社会问题，但是很多学者提出了对“科技向善”这一口号的质疑。一方面，技术修复不足以促进科技善用，而社会问题并不能完全转化为技术问题；另一方面，科技之善的意图，也并不一定会导致善的社会结果。因此，我们需要超越技术本身，将思考的边界拓展到社会层面。在这样的背景下，本文的以下部分探索大数据系统在数据生成、数据采集、数据分析和数据应用的过程中存在的社会公平挑战。
大数据时代的社会公平挑战
大数据技术的变革效应，即收集数据、储存数据、挖掘数据、应用数据的产业链，不仅对个体产生影响，也会对社会系统公平产生不同影响（见图2）。大数据资源综合利用的伦理研究，不仅有个体层面的伦理问题，也有社会层面的伦理问题。只有在个体层面的隐私和歧视问题之外，加上社会维度大数据系统与社会发展的批判性分析，才能更加全面地认识大数据的伦理。
图2 大数据时代社会公平的挑战与转换
（一）数据生成过程的数字壕沟
大数据既是技术、资源，也是一项信息化基础设施。基础设施的投资与建设决定了大数据技术的发展与应用程度。大数据在不同群体和地区间的生成并不是均等的。居住于基础设施不完善地区、经济基础弱和受教育层次低的群体，往往更少使用移动智能终端进行交易、交往和交通。虽然科技迅猛发展，但我国使用智能手机的用户只有9亿。由于科技的普及率和使用者自身的差异性，数据壕沟成为一种客观现象。数据供给是大数据分析的基础，而数据密集供给者更容易受到重视，更多地享受个性化产品和服务；边缘群体往往产生更少的数据，数据壕沟将导致其被各种大数据研究和政策所忽视，进而限制他们未来获取高质量产品服务的机会和能力。
数据生成过程的已知和未知的数据壕沟，是全面了解社会发展现状的挑战，也是区域发展不均衡、利益驱动和大数据平台的权力结构等共谋的结果。首先，随着区域之间信息通信技术为首的信息接入与应用不对称日渐凸显，8发达地区和落后地区之间在观点表达方面存在显着差异。它有助于进一步加深对发达地区的理解和认识，也会扩大对欠发达地区的认知不足。信息技术在区域间的不均衡发展加剧了信息鸿沟。
其次，与其他技术和基础设施建设领域一样，资本推动的大数据资源运用过程会最大程度减少数据资源的公益性。信息化和数字化作为一种全新的生产要素被投入到生产各环节，推动地区新产业、新业态和新模式的快速兴起。9受到资本和利益的驱动，信息技术普及落后的国家和地区将面临新的“知识贫困”“信息贫困”危机，10丧失参与新兴技术发展的机遇。同时，社会边缘群体获取的信息和技术资源将更加有限，进一步限制他们自身能力发展和社会机会的获取。可以说，大数据资本和技术正在挤压草根群体的利益空间和观点表达，构成社会排斥。
最后，除外部环境的客观影响外，平台内部的管理结构是大数据生成的重要挑战。平台是企业进行社会治理的一种方式，其内部运营模式呈现出金字塔式结构，形成了巨大的收益鸿沟。大数据时代的平台经济是流量经济，数据量相当于客流量，它决定了营业额，也推动了资金流和物流的高速运转。而流量与资本的投入与产出往往呈现出正相关性，高流量需要巨大的资本投入，也能带来巨大的资本效应。在这样的背景下，网络平台的参与者之间形成了一种竞争性的结构与关系。为了超越竞争对手，一部分群体会加大对资本和技术的投资，并且依靠信息技术获取利益。只有资本与技术的双重发展所带来的持续利益，平台经济才能形成一个良性运作的系统。例如，某个主播拥有10万的粉丝量，就代表了一笔非常可观的销售额。主播与受众粉丝之间，可以通过手机这一移动数据端，进行实时性数据生产、获取和传递，催生各种交易行为、情感交流和观点分享等。对于新晋升的平台参与者而言，粉丝量和流量除了靠个人的努力，也离不开资本的运作。平台经济的参与者，往往需要数万元的服务费来提高粉丝量和流量。大数据技术推动各个行业的产业结构调整与营销模式变革，产生利益鸿沟、信息鸿沟和知识鸿沟，不断拉大社会差距。可以说，大数据生成过程的系统性排斥，加剧了边缘群体的不利地位。
（二）数据采集过程的信息缺失
大数据采集过程的信息缺失，导致了三个方面的社会公平问题。
首先，现有数据采集方式获得的大数据，并不是全数据。一部分群体由于信息技术和基础设施的不足，不能获得互联网接入口，因而没有被数据库所记录，或者不产生数据，因而无法采集到相关数据。同时，一部分高收入群体则通过为数据隐私付费的方式，获得技术性的数据安全屏障，如购买保障数据安全性的商务型或者高端手机，避免产生重要的个人数据。
其次，大数据收集方法存在代表性不足的内在缺陷。大数据的革命性并不在于数据样本的大小，而是在于它的代表性和全面性，即大数据能够在多大程度上解决表达不充分、数据差距等制约社会、经济平等的根本性问题。然而，社会边缘群体或者少数群体的数据样本小，非常容易被大数据分析所忽视。创造可以改善生活的大数据技术，需要更加充分地体现世界的复杂性和多样性，帮助那些常常无处发声的人有机会发声。
最后，数据持有者和数据分析者之间存在技术壁垒——为了避免数据滥用和隐私保护而构筑的壁垒。诸多的数据平台为用户使用数据制造了壁垒，一些网络服务商逐渐地成为了大数据资源的拥有者。数据的持有者将数据作为企业或者个人的独占资产，不分享大数据。在现有的法律框架之中，大数据的财产权是一个存在争议的问题，它也成为数据缺失的重要原因。
（三）数据分析中的算法风险
大数据中不同的数据源和数据特性，包括结构化数据、文本、web数据、多媒体数据、社交网络数据和移动数据等，主要采用数据可视化、统计分析和数据挖掘三种数据分析方法。这些数据分析与算法依赖于用户设计的数据表达和输入特征，数据分析过程产生了三个影响社会公平的因素。
第一，大数据技术的社会公平困境是一个跨学科的研究课题，它需要多学科的知识。在跨学科研究依然处于边缘化的状态下，大数据研究和社会科学研究融合不足，使得大数据分析并不具备处理社会公平的技术和手段。同时，大数据的计算模型造成了技术壁垒，社会科学研究者缺乏理解和运用技术及其算法的知识储备与能力。即使技术分析人员提供了大数据分析的结果，一部分管理者和决策者也难以真正地理解大数据分析的真实内涵，更难以将大数据分析转变为有益于社会的决策。如果没有大数据分析与社会科学研究的深入融合，就无法精准、有效地评估大数据时代的各种新技术、新手段对社会公平的贡献。例如，如火如荼的直播带货如何化解偏远地区的深度贫困，它们在多大程度上推动了社会公平？这是需要用大数据的精准分析才能获得的信息，只有在对信息的充分整合基础上才能获得真实有效的研究结论。
第二，大数据的计算模型，也被称为算法，包含着各种影响社会公平的算法风险，如算法选择错误、算法被运用在违法行为、人为操纵算法、运用算法进行宣传、算法与购买行为以及未知的算法风险。11甚至很多分析是包含着长期持有的偏见和歧视，如性别歧视、种族歧视。偏见是一种长期形成的认知惯性，是影响社会公平的重要挑战。大数据在获取数据时，往往包含着样本的偏见和标签的偏见。例如，少数群体在社会中的数量少，生成的数据少，在统一的大数据分类器中，具有类别的模糊性，往往被计算模型当作杂音或者偏离值而被忽略。在数据分析的过程中，这些算法偏差往往会放大，直接影响了数据分析的可靠性。
第三，大数据计算资源的稀缺性导致了大数据分析的不足。在数据分析过程中，数据规模和计算资源是决定数据分析质量的两大重要影响因素，然而，一些组织无法拥有海量的数据资源和庞大的计算资源，导致无法高效地应用大数据技术。根据相关资料介绍，大数据计算资源具有昂贵的价格，个人和中小企业都难以负担运行复杂模型的计算资源。12因此，真正能够掌握大数据并且拥有充分计算资源的组织与企业，才可能成为大数据分析的参与者与受益者，更多的组织与机构被排斥在大数据分析之外。
（四）数据运用过程的累积效应
从数据的生成、采集、分析到数据应用的系统性过程，是“从数字化到知识化”的过程。由于大数据并不是真正的全数据，大量无用、虚假数据充斥，大数据的分析也是有目的性的分析，最终导致大数据的应用是基于某些特定的利益。尤其是具有资源和智力优势的群体，更能使用大数据资源，发挥大数据作为一种新资源和新手段的巨大推动力量。从本质上看，掌握数据知识和数据资源意味着可以获得更多关联性利益的机会，进而在社会竞争中占据优势地位。反之，则被忽视、被边缘化。例如，数据操控是资本与权力的合谋，带来了大数据背景下的权力滥用与寻租，给特殊阶层带来实际利益。13
由于利用大数据提高社会治理水平的过程往往带有不确定性，需要具有反思性的视角。正如克莱顿和威廉姆斯指出的那样，“从最广泛意义上讲，社会正义问题……事关不同个体或团体间利益和负担的分配”。大数据技术所引发的伦理危机，不仅在于它会给私人领域带来前所未有的侵犯，而且在于它有可能对公共社会造成严重的威胁。14这一危机正在成为人类面临的重大考验。大数据红利的不平等分配以及大数据的排斥效应，使得边缘群体处于不利地位，而以特定利益为目标的大数据应用，有可能使得边缘群体进一步原子化和碎片化。
大数据时代的社会公平展望
大数据时代的社会公平困境，不是源于数据本身，而是源于大数据所依赖的社会系统的资源分配与能力建设不足。15同时，在数据生成、数据存储、数据分析和数据应用等各个构成部分，可能存在着不公平性和不确定性的逐级叠加，从而导致没有准确或者有效预知的权利公平、机会公平、规则公平方面的困境。因此，以大数据变革为契机，推动大数据系统由利益和资本驱动的发展，转向以公平性和责任感为核心的发展，建设平等、合作、赋能的社会系统，是推动大数据时代社会公平的重要途径。
（一）以均衡化基础设施为重点，推动公平性的大数据系统
现代技术方式使数据生成变得迅捷且方便，但并没有让每个人拥有同等的生成数据的机会，基础设施建设的不均衡是重要原因。均衡化的基础设施建设，有助于构建全面的数据集合，超越数据壕沟导致的认知缺陷，避免数据孤岛导致的数据价值遗失。16随着数字经济到来，落后地区的数字化基础设施建设不足，导致了数字系统与社会系统的错位，直接影响到个体、组织、区域乃至国家的经济发展。因此，推动城乡和区域之间数字化基础设施建设的均衡发展，是推动社会公平的基础性工程。
同时，数据开放共享平台是大数据基础设施建设的重要构成部分。它需要将内部数据管理的组织政策与信息技术系统联合起来，进而使得原始数据可被公之于众。数据开放平台为公众提供了原始数据，而不是被筛选、过滤和加工之后的信息。综合性的大数据共享平台，允许不同领域的科学家和工程师访问多样的数据，并应用各自的专业知识来分析数据，提升知识水平。数据开放平台缩小了公共管理人员的自由裁量权，他们不再刻意单独决定哪些数据可以向公众公开或者隐瞒，不再单独决定数据的展示方式。同时，数据开放平台有助于从不同角度来观察事物的全貌，减少数据分析中所隐含的固有偏见。它不仅拓展了认知的丰富性和复杂性，更有助于推动跨学科的知识融合和学科边界的开放性，17为跨团体、跨区域、跨身份成员之间协同与合作提供基础。当然，数据开放平台是一把双刃剑，既可以提高组织的透明度，增强对组织的信任，激发组织的创新功能，也面临着滥用公共部门数据进行欺诈，破坏公民信任的风险。
（二）以社会发展为目标导向，构建责任性的数字化变革
大数据技术发展，由于偏重于大数据技术的工具性，忽视边缘主体的情感、尊严和自由，带来了大数据技术滥用所造成的伦理冲突。18健康大数据、政府和企业大数据等对人的生活进行了全面的透视。一旦用户的隐私被泄露，就面临着侵犯个体的情感、尊严和自由的严重后果。如果没有制度、法律、文化的支撑，大数据技术本身是对人文、人类生存、社会伦理和正义以及民主的巨大威胁。19因此,我国要通过制度建设和法律建设加强对大数据技术的有效制约，更好地实现人的发展与社会公正。
责任性的大数据变革，以一种创造性和批判性的视角，认识到不同主体所具有的能力与资源特殊性，推动契合现实需要又维护社会公正的大数据变革。它肯定了人的创造性和技术、知识的相对性。每一个人都能成为知识的创造者，既可以在交流与分享中确认知识，也可以通过交流与分享打破固有的认知。在交流分享中，行业专家不是不可被质疑的权威，他们必须与数据表达的信息进行博弈，深入探索事物的内在特性。责任性的大数据变革需要打破资本与政府的知识创造主导权，也打破知识确定性的传统研究框架。以合作、共享、交流为基本原则，鼓励参与、包容、开放的价值理念，20从而不断改进大数据的结构性问题，减少社会歧视、缩小贫富差距、化解社会矛盾。
同时，具有责任性的数字变革，不应该从先验型的理论出发，而是从实践出发，评估和反思大数据对社会公平的影响，推动不同群体的融合与协同发展，进而重塑和革新大数据时代的社会发展路径。大数据技术革命对社会发展和社会公平的作用，正从理念阶段转向实证研究。一个对大数据研究的综述发现，大数据研究跨越了零售、健康护理、生态、教育、政府、制造业、服务和科技等不同的领域，研究方法正从文献综述（占到63%）和数据分析（13%）转向实验方法（10%）。21尽管实验方法的比例非常小，但它是推动责任性变革的重要方面。越来越多的研究者主张，超越对资本与技术利益的追求，通过社会实验方式建立数字责任小组，推动人道主义行动和大数据系统中利益相关者的合作，22从而修正大数据技术与社会发展的错位与断裂。例如，大数据在不同行业（如3D打印、智能灌溉）拥有广阔的应用前景，但是它们对生产、生活、商业模式创新的社会影响及其影响程度存在着诸多不确定性。因此，构建责任性的大数据治理，优化大数据技术与社会发展的相互关系，有助于数据科学与社会获得互惠性的共同发展。
总结
大数据时代是一个数字技术和数字资源成为重要社会资源的时代。大数据技术既要充分挖掘并释放经济和治理价值，也要充分考虑大数据应用所引发的社会公平困境。大数据时代的社会公平，体现为掌握了技术的人在新的历史背景下的道义担当、使命意识与责任精神。大数据是人的技术，需要维护人的尊严、自由和平等。大数据时代的社会公平困境，是狭隘地关注数据本身的利用和管理，却忽视了对数据相关联主体的观照的必然结果。在这样的背景下，大数据时代的公平困境或者危机将更加凸显。但是，危机也代表着机遇，它给未来大数据技术的发展提供了新的方向和动力。一个追求社会公平的数据技术，也将更加有助于解决个体的数据隐私、数据安全问题和数据造假等伦理性挑战。
本文以一个整合性的视角，探索大数据系统与社会发展之间的相互关系，不仅提出了大数据技术的不同伦理维度，也探索大数据系统中数据生成、数据采集、数据分析等方面的社会公平挑战。本文发现，大数据时代的社会公平问题，是由大数据系统中数据生成、数据采集、数据分析和数据应用等各个环节叠加所引发的认知不足和利益关系失调问题。化解大数据技术所带来的复杂的社会风险，需要对科技所引发的复杂社会问题的实质和机理有更为全面和系统的洞察，并在此基础上构建起综合性的大数据治理架构。尤其要结合社会的实际情况，了解大数据及其相关技术创新的动态和趋势，并且推动大数据系统中利益相关者的合作。因此，推动以社会公平为目标的大数据革命，要从社会创新、治理创新和学术创新入手，使群体的生存、生活与大数据系统得到整体性的改进。
注释
1高兆明:《“数据主义”的人文批判》,《江苏社会科学》2018年第4期。
2(1)金春枝、李伦:《我国互联网数字鸿沟空间分异格局研究》,《经济地理》2016年第8期。
3(2)孙杰、苗振龙、陈修颖:《中国信息化鸿沟对区域收入差异的影响》,《经济地理》2019年第12期。
4(3)赵超越:《本体性意义与学科反思:大数据时代社会学研究的回应》,《上海大学学报》(社会科学版)2019年第1期。
5(4)Jacob Metcalf,Kate Crawford,"Where are Human Subjects in Big Data Research?The Emerging Ethics Divide,"Big Data&Society,vol.3,no.3,2016,pp.1-14.
6(1)郦全民:《计算社会科学的哲学透视》,《河北学刊》2019年第5期。
7(2)俞可平:《社会公平和善治是建设和谐社会的两大基石》,《中国特色社会主义研究》2005年第1期。
8(1)Randy Bean,and David Kiron,"Organizational Alignment is Key to Big Data Success,"MIT Sloan Management Review,vol.54,no.3,2013,pp.1-6.
9(1)于文轩:《大数据之殇:对人文、伦理和民主的挑战》,《电子政务》2017年第11期。
10(2)冯登国、张敏、李昊:《大数据安全与隐私保护》,《计算机学报》2014年第1期。
11(1)汝绪华:《算法政治:风险、发生逻辑与治理》,《厦门大学学报》(哲学社会科学版)2018年第6期。
12(2)殷波、张云勇、房秉毅、冯伟斌:《面向成本优化的云计算资源分配方法研究》,《电信科学》2014年第11期。
13(3)赵丽涛:《大数据时代的关系赋权与社会公正》,《探索与争鸣》2018年第10期。
14(4)翁列恩、李幼芸:《政务大数据的开放与共享:条件、障碍与基本准则研究》,《经济社会体制比较》2016年第2期。
15(1)Erik W.Kuiler,"From Big Data to Knowledge:An Ontological Approach to Big Data Analytics,"Review of Policy Research,vol.31,no.4,2014,pp.311-318.
16(2)Sarah Giest,and Annemarie Samuels,"'For Good Measure':Data Gaps in a Big Data World,"Policy Sciences,vol.53,2020,pp.559-569.
17(3)Jie Sheng,Joseph AmankwahAmoah,Xiaojun Wang,“A Multidisciplinary Perspective of Big Data in Management research,International Journal of Production Economics,vol.191,2017,pp.97-112.
18(4)Rob Kite hi n,"Big Data,New Epistemologies and Paradigm Shifts,"Big Data&Society,vol.1,no.1,2014,pp.111-152.
19(5)Ryan Shaw,"Big Data and Reality,"Big Data&Society,vol.2,no.2,2015,pp.1-4.
20(1)Jacob Metcalf,Kate Crawford,“Where are Human Subjects in Big Data Research?The Emerging Ethics Divide,"Big Data&Society,vol.3,no.3,2016,pp.1-14.
21(2)Samuel F.Wamba,et al."How'Big Data'Can Make Big Impact:Findings from a Systematic Review and a Longitudinal Case Study,"International Journal of Production Economics,vol.165,2015,pp.234-246.
22(3)Linnet Taylor,"What is Data Justice?The Case of Connecting Digital Rights and Freedoms Globally,"Big Data&Society,vol.4,no.2,2017,pp.1-14;Linnet Taylor,Purtova Nadezhda,"What is Responsible and Sustainable Data Science?"Big Data&Society,vol.6,no.2,2019,pp.1-6.
